收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习的风电场功率预测研究

周泽虹  
【摘要】:随着化石能源的枯竭、人类生存环境的恶化,开发可再生能源成为当今世界广泛关注的热点。其中风能由于其清洁、分布广泛的特点受到更多的关注。我国的风能资源比较丰富,近年来大规模风电基地蓬勃发展。然而由于这些大规模的风电建设以及风电入网,风电固有的随机性、波动性给电网带来的问题越来越突出,严重制约着风电的健康发展。为降低风电波动性给电网带来的不良影响,保障电网的稳定运行以及安排合理调度,风电功率预测的研究就显得尤为重要。本文重点研究利用机器学习、统计分析等技术,建立风速预测模型以及风电功率预测模型,对风电场的风速和风电功率进行预测。主要进行了以下几个方面的研究:应用随机森林算法对风速进行预测。仅仅利用历史风速作为训练样本,建立随机森林预测模型,单步预测未来1小时的风速。预测结果表明,随机森林算法用于风速预测是可行的。研究了单步预测未来1小时风电功率的2种方法。历史风电功率数据作为训练样本,首先应用MATLAB的TreeBagger函数建立预测模型,应用predict函数预测未来的风电功率。然后给出了应用随机森林算法预测风电功率的方法,建立了随机森林预测模型,分析比较了随机森林算法中参数的影响,获得了满意的预测结果。采用ARIMA、EEMD-TreeBagger、EEMD-RF3种方法对未来4小时风电功率进行预测,并且比较了预测结果。首先用时间序列预测算法ARIMA预测未来4小时风电功率,选择了 ARIMA算法的最优参数,给出了预测结果。然后用集合经验模态分解(EEMD)和MATLAB的TreeBagger函数进行风电功率短期多步滚动预测,显示了风电功率不同变化阶段未来4小时的预测曲线。最后描述了利用EEMD和随机森林算法进行风电功率短期多步滚动预测的方法。比较3种方法的预测结果可见,随机森林算法能够比较准确预测短期风电功率。风电功率预测是一个重要课题。由于风电功率变化的随机性和间歇性,风电功率预测也是一个难题。随机森林算法是一种比较新的机器学习算法,具有一些独特的优点,用随机森林预测风电功率的研究刚刚起步,本文对这个课题进行了一些探索,以此来对风电功率预测工作提供一些帮助。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈姝;彭小宁;;基于粒子滤波和在线随机森林分类的目标跟踪[J];江苏大学学报(自然科学版);2014年02期
2 王丽婷;丁晓青;方驰;;基于随机森林的人脸关键点精确定位方法[J];清华大学学报(自然科学版);2009年04期
3 康有;陈元芳;顾圣华;姚欣明;黄琴;汤艳平;;基于随机森林的区域水资源可持续利用评价[J];水电能源科学;2014年03期
4 邱一卉;林成德;;基于随机森林方法的异常样本检测方法[J];福建工程学院学报;2007年04期
5 马昕;王雪;杨洋;;基于随机森林算法的大学生异动情况的预测[J];江苏科技大学学报(自然科学版);2012年01期
6 刘美菊;刘冬;刘剑;;随机森林在群控电梯交通模式识别中的应用[J];机械设计与制造;2013年04期
7 姚登举;杨静;詹晓娟;;基于随机森林的特征选择算法[J];吉林大学学报(工学版);2014年01期
8 张晔;杨国田;;基于随机森林的数据融合架空输电线路铁塔损伤识别[J];黑龙江科技信息;2014年20期
9 吕淑婷;张启敏;;一类带Poisson跳的随机森林发展系统数值解的稳定性[J];兰州理工大学学报;2012年03期
10 陈海利;孙志伟;庞龙;;基于随机森林的文本分类研究[J];科技创新与应用;2014年02期
11 庄进发;罗键;彭彦卿;黄春庆;吴长庆;;基于改进随机森林的故障诊断方法研究[J];计算机集成制造系统;2009年04期
12 蔡金锭;鄢仁武;;基于小波分析与随机森林算法的电力电子电路故障诊断[J];电力科学与技术学报;2011年02期
13 王盼;陆宝宏;张瀚文;张巍;孙银凤;季妤;;基于随机森林模型的需水预测模型及其应用[J];水资源保护;2014年01期
14 马昕;郭静;孙啸;;蛋白质中RNA-结合残基预测的随机森林模型[J];东南大学学报(自然科学版);2012年01期
15 詹曙;姚尧;高贺;;基于随机森林的脑磁共振图像分类[J];电子测量与仪器学报;2013年11期
16 叶圣永;王晓茹;刘志刚;钱清泉;;基于随机森林算法的电力系统暂态稳定性评估[J];西南交通大学学报;2008年05期
17 周绮凤;洪文财;杨帆;罗林开;;基于随机森林相似度矩阵差异性的特征选择[J];华中科技大学学报(自然科学版);2010年04期
18 乔体洲;戴树岭;;基于回归森林的面部姿态分析[J];计算机辅助设计与图形学学报;2014年07期
19 房晓南;张化祥;高爽;;基于SMOTE和随机森林的Web spam检测[J];山东大学学报(工学版);2013年01期
20 刘菁;邱绵浩;刘东利;张成名;;基于随机森林法的机械变速箱技术状态评估[J];装甲兵工程学院学报;2008年04期
中国重要会议论文全文数据库 前7条
1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年
7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
中国博士学位论文全文数据库 前10条
1 张乾;基于随机森林的视觉数据分类关键技术研究[D];华南理工大学;2016年
2 薛小明;基于时频分析与特征约简的水电机组故障诊断方法研究[D];华中科技大学;2016年
3 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年
4 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
5 姚登举;面向医学数据的随机森林特征选择及分类方法研究[D];哈尔滨工程大学;2016年
6 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年
7 房晟辰;基于高斯过程回归及Trust-Tech的短期风电功率预测方法[D];天津大学;2016年
8 牟澎涛;高渗透率风电接入对系统稳定特性的影响[D];华北电力大学(北京);2017年
9 季斌;内蒙古浩布高地区多金属矿综合信息找矿预测研究[D];合肥工业大学;2017年
10 朱乾龙;适用于机电暂态稳定性分析的风电场等值建模研究[D];合肥工业大学;2017年
中国硕士学位论文全文数据库 前10条
1 周泽虹;基于机器学习的风电场功率预测研究[D];南京师范大学;2017年
2 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年
3 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年
4 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年
5 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年
6 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年
7 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年
8 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年
9 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年
10 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978